随着新能源并网进程的推进,风电装机规模逐年扩大。受区域内天气变化影响,风机出力的间歇性和波动性特征对电网的威胁亦越发显著。极端天气所引发的风电出力异常爬坡事件,易导致电网功率失衡,对电力系统机组调度、源荷平衡造成了极大压力。合理的风电爬坡事件检测以及精准的风电功率预测能为风电场运维及电力系统调度提供先验指导,有力缓解风电不确定性带来的危害。首先讨论了目前主流风电爬坡事件定义的盲点,分类并分析了3种风电爬坡场景的功率变化特性,据此提出基于滑动窗双边累计和(cumulative sum, CUSUM)算法的风电爬坡事件检测方法,提取时序耦合信息,捕捉短时间窗口内风电功率数据的异常波动,提高风电爬坡事件检测精度。其次,采用贝叶斯优化的长短期记忆(long short term memory, LSTM)神经网络,最优化模型超参数,提高模型对于爬坡事件发生时风机出力的预测性能。进一步应用所提风电爬坡事件检测方法,对模型预测区间内的风电爬坡事件进行检测实验,验证了所提方法的有效性。
为提高混合级联直流输电系统直流输电线路低电压保护的速动性和可靠性,提出了一种基于改进累积和(cumulative sum control chart, CUSUM)算法的新型高压直流线路低电压保护策略。当±800 kV混合级联直流输电系统的不同位置发生故障时,保护安装处所测得电气量呈现出一定的差异性。由于传统低电压保护缺乏整定依据,并有着误动风险,本文引入CUSUM算法提取不同故障时电气量差异特征,以此保证保护的可靠性。同时为了提高保护的速动性,借助分形理论,对CUSUM算法窗口进行改进,使得窗口具有自适应性,从而提高保护的速动性。利用PSCAD/EMTDC建立混合级联直流输电模型,并借助MATLAB验证所提新保护策略。仿真结果表明:所提方案能够快速可靠动作,有着良好的快速性和可靠性;可以耐受较高过渡电阻,有良好的耐受过渡电阻能力;判据依托于单端电气量,避免了通信中噪声和数据异常等干扰,可以快速识别区内、区外故障,并可靠动作。
